Professional Documents
Culture Documents
الكمسااات السفتاحيااة نس جددة ال يانددات ،األس دؾاع الساليددة ،التحمي د ال شددا ،تؾارزميددات الترددشي ،ط يدديؼ
الشسؾذج.
1
الر اغ. د، ساكا. د،صد ق
Using classification algorithms and technical indicators
to predict Daily stocks price changes at Arab financial
markets
(comparative study)
Mohamad H. Saddik*, Ghassan Saket**, Abdulhameed
Alsabagh***
* Postgraduate Student (PhD), Dept. of Statistics and Information Systems, Faculty
of Economics, Aleppo University.
**Dept. of Statistics and Information Systems, Faculty of Economics, Aleppo
University.
***Dept. of Finance and Banking, Faculty of Economics, Aleppo University.
Abstract
The study aimed to use classification algorithms to predict
daily stock price changes and make a comparison of the performance
of classification algorithms for a group of stocks at Arab financial
markets by modeling technical indicators as independent variables that
give indications of the behavior of the stock in the future. The research
focused on improving the classification results by re-modeling the
variables of the technical indicators based on the Percentage of the
change and evaluating the algorithms and comparing them according
to the correct classification percentage and Kappa statistic to each data
set separately. Weka tool was used to build the models based on the
Cross Validation10 method. Comparing the algorithms on all data sets
shows that it is not possible to confirm a specific classification
algorithm as the best in all cases, and relatively the performance of the
CART algorithm is the best. Bayesiannetwork, random forests and
C4.5 algorithms came second and their performance was acceptable.
However, KNN and C5 are weak algorithms.
Received 10/9/0202
Accepted 91/5/ 0202
0
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
.1السقجمة
مع عيدؾر ط شيدات التش يدب فدا ال ياندات وضدخامة حجدؼ ال ياندات التاريخيدة ،طؾجدو
ال دداح ؾء ال ددد اسددتخدام ىد د ه الت شيددات ف ددا مجدداالت األسد دؾاع الساليددة ،الس دديسا تؾارزمي ددات
الترددشي ،ويمجددأ عدداد الستددداولؾء الددد اسددتخدام مغل درات التحمي د ال شددا التددا ط ددؾم عمددد
انظ قددا مددؽ طحميد سددمؾم حركددة األسددعار فددا فتدرات ماضددية لمتش ددغ بحركتيددا فددا السدددت
ء الددبمؽ يعيددد ن دددو ،وذلددػ ع ددر اسددتراطيجيات طددداوو مختم ددة ،وقددد عيددرت ال ددرا ال ال د
فددا رشدداء الشسددؾذج فددا ال تددر األتيددر ولكد مشيددا سددمؾ مختمد عددد تؾارزميددات طرددشي
سعار األسيؼ .وى ا ما سؾف طتؼ معالجتو فا وقد قاما عد بحاث باستخداميا لترشي
كنحدددت ط شيددات التش يددب فددا ال يانددات، باسددتخدام مجسؾعددة تؾارزميددات طرددشي ىد ا ال حد
والعسد د عم ددد نس ج ددة مغلد درات التحميد د ال ش ددا كستتي ددرات مد ددت مة لسعرف ددة طتيد درات س ددعار
األسيؼ السدت مية ،وطظ يق الدراسة عمد مجسؾعة مؽ سيؼ األسؾاع السالية العر ية.
.2مذكمة البحث
عدددم قدددر السدددت سريؽ عمددد الؾصددؾو الددد ند د ة طش غيددة عاليددة لتتي درات سددعار
طعانا حركة التتيدرات اليؾميدة مدؽ األسيؼ اليؾمية باالعتساد عمد السغلرات ال شية حي
دؾما :وىشدا يسكدؽ طدرح بذدك ط ر بات يرعب معيا معرفة سمؾم الديؼ فا السدت
التد ددااو الت ددالا :ىد د يسك ددؽ طتيي ددر نس ج ددة ق دديؼ السغلد درات ال شي ددة لتحد دديؽ دق ددة التش ددغ
رتتيرات سعار األسيؼ اليؾمية؟
اضدافة الددد ذلددػ يعددانا مجدداو التش يددب فدا ريانددات األسدؾاع الساليددة عدددم وجددؾد
تؾارزمية طرشي معيشة ُؾصد ريا دوء غيرىا وى ا ما يظرح التددااو التدالا :مدا ىدا
تؾارزميددة الترددشي األم د التددا يسكددؽ بددو دعددؼ ق د اررات التددداوو اليددؾما فددا األس دؾاع
السالية العر ية ع ر استخدام السغلرات ال شية؟
.3أىسية البحث
عدؽ سداليب ذات مدؽ االىتسدام الك يدر لمسددت سريؽ بال حد طدأطا ىسيدة ال حد
مدؽ تد و وضدع نس جدة دقة عالية لدعؼ ال رار وطح يق األر اح ،كسا طش ع ىسية ال ح
حرك ددة سددعار األس دديؼ اليؾميددة باس ددتخدام مغل درات التحميد د د شاميكي دة لسذ ددكمة طرددشي
ال شددا كستتي درات مدددت مة فددا الشسددؾذج وذلددػ ألىسيتيددا وسدديؾلة فيسيددا مددؽ ق د متخ د
9
صد ق ،د .ساكا ،د .الر اغ
عمددد مجسؾعددة مددؽ ريانددات سددعار ال درار .وطظ يددق مجسؾع دة مددؽ تؾارزميددات الترددشي
األس دديؼ التاريخي ددة ف ددا األسد دؾاع العر ي ددة .وط ي دديؼ الخؾارزمي ددات عش ددد كد د مجسؾع ددة م ددؽ
مجسؾعات ال يانات السدتخدمة عمد حدا.
.4أىجاف البحث
الد رشاء نساذج لدعؼ ق اررات التداوو اليؾميدة فدا األسدؾاع الساليدة يدف ال ح
وذلػ كسا ما: العر ية ع ر نس جة السغلرات ال شية باستخدام تؾارزميات الترشي
.1اسددتخدام السغل درات ال شيددة كستتي درات مدددت مة لمتش ددغ رتتي درات سددعار سدديؼ اليؾميددة،
ندددب التتي درات السئؾيددة ردددال مددؽ والعس د عمددد طحددديؽ داء الخؾارزميددات بحدددا
قيسة السغلر السجرد .
.0طظ يق الخؾارزميات عمد ك ر مؽ مجسؾعة ريانات وذلػ لمتأكد مؽ صدحة الشسدؾذج
األفز وذلػ عمد عد سؾاع مالية عر ية. وصحة اتتيار تؾارزمية الترشي
لمؾصددؾو الددد فزد تؾارزميددة .9اجدراء الس ارنددة لسجسؾعددة مددؽ تؾارزميدات الترددشي
يسكؽ ريا دعؼ ق اررات التداوو اليؾما.
.5مشيجية البحث
طؼ االعتساد عمد ال ياندات التاريخيدة عمد السشيت الؾص ا ،حي يعتسد ال ح
دالدة اليددف وفدق ألسعار األسيؼ ونس جدة السغلدرات ال شيدة كستتيدرات مددت مة ،وحددا
ع در صياغة طشاسب سمؾ الترشي ،و شاء الشساذج باسدتخدام 9تؾارزميدات طردشي
األدا Wekaوطددؼ ذل ددػ عم ددد 14مجسؾعد دة م ددؽ ال يانددات ألس دديؼ متداولد دة فددا األسددؾاع
فا ك مر ،وط ييؼ وم ارنة الشتالت. السالية العر ية بذك مدت
.6عيشة الجراسة
طذ ددس عيش ددة الد ارس ددة ال يان ددات التاريخي ددة ألس ددعار األس دديؼ ف ددا مجسؾع ددة م ددؽ
االس ددؾاع السالي ددة العر ي ددة ول ددسما كد د م ددؽ س ددؾع الس دداو الد ددعؾد وس ددؾع در ددا الس ددالا
وسد ددؾع رد ددؾ ع د دا لد ددقوراع الساليد ددة وسد ددؾع الدوحد ددة لد ددقوراع الساليد ددة و ؾرصد ددة عسد دداء
وال ؾرصدة السردرية وسدؾع دمذدق لدقوراع الساليدة ،وذلدػ تد و ال تدر مدؽ 0215/7/1
وحتد .0219/6/92
4
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
.7الجراسات الدابقة
.7.1دراسااة Stock Market Prediction Using Machine Learning
]Algorithms [1
التشبؤ في سهق األسيم باستخجام خهارزميات التعمم اآللي
ى دددفا الد ارس ددة الد ددد ايج دداد فزد د نسد ددؾذج لمتش ددغ ف ددا سد ددؾع األس دديؼ ،وذلد ددػ
بالس ارندة رديؽ تدؾارزميتا التابدات العذدؾالية ،Random Forestوتؾارزميدة للدة لدعا
الدددعؼ ،SVMوذلددػ باس دتخدام السكت ددات الجدداىب رمتددة ال رمجددة بددا ؾء ،وطددؼ التظ يددق
دؾفر رياندات لمتحميد والشس جدة التش غيدة ،وذلدػ عمدد رياندات مدؽ مؾقدع Kaggleالد
باسددتخدام ال يانددات الخددام التاريخيددة ألسددعار األسدديؼ كستتيدرات مدددت مة و مددا دالددة اليدددف
يكددؾء ارط ددا الدددعر عددؽ اليددؾم كانددا لمتددداوو اليددؾما وذلددػ رت ددديؼ األصددشاف بحي د
رش دداء ص ددش يؽ ف ددي وط ددؼ ط د دديؼ ()1- الد ددارق يك ددؾء ص ددش ( )1وإال يك ددؾء الر ددش
مجسؾعة ال يانات الد %82طدريب و %02اتت ار وطؾصما الدراسة الدد ء الشسدؾذج
الس شا باستخدام التابات العذؾالية كاء االفز .
.7.0دراسة استخجام الذبكات العربية وأشجار القخار لمتشبؤ بحخكة األسيم []2
الددد طحد ددد فز د الظددرع لمتش ددغ بحركددة سددعار األسدديؼ وذلددػ ىدددف ال ح د
باستخدام ك مؽ الذ كات العر ية و لجار ال رار اعتسدادا عمدد ر دع مغلدرات لمتحميد
الددد نددو عشددد اسددتخدام الذ د كات العر د ية و لددجار ال ددرار C4.5 ال شددا .طؾص د ال ح د
لمتش ددغ بحركددة األسدديؼ ،فننددو كمسددا زادت ال تددر البمشيددة كمسددا ارط عددا دقددة التش ددغ بحركددة
رمتا دقدة التش دغ باسدتخدام لدجار ال درار %79.9 C4.5ط ري دا .فدا حديؽ األسيؼ حي
رمتددا باسددتخدام الذ د كات العر د ية %72.7ط ري ددا .وعشددد اسددتخدام التابددات العذ دؾالية
رمتا دقة التش غ % 99.9ط ري ا وىا األفز ،وذلػ عمد فتر طداوو 12يام.
.7.9دراساة Stock Market Direction Prediction Using Data Mining
]Classification [3
التشبؤ باتجاه سهق األسيم باستخجام التشقيب في البيانات بالترشيف
قاما ى ه الدراسة عمد م ارنة لجار ال رار ولد كة بدا ب والذد كات العرد ية
مددؽ عمددد اسددتخدام التحميد ال شددا لكددؽ ردددوء اسددتخدام والجددار األقددر ،وقددام ال ح د
5
صد ق ،د .ساكا ،د .الر اغ
السغل درات ال شيددة السعروفددة ر د اعتسددد عمددد اسددتخدام ال روقددات الدددعرية التاريخيددة لسددد
تسدة يام ساب ة ،ما الستتير اليدف فكداء عمدد ثد ث مددتؾيات ،طدداوو دؾما ،T+1
وط ددداوو عم ددد مد ددتؾت س ددتة ي ددام ،T+6ومد ددتؾت 01ددؾم ،T+21وك دداء ف ددا السرط ددة
األولد فا الحالة T+1الذ كات العر ية بسدتؾت دقدة ،40.92%و لدجار ال درار فدا
السرط ة األتير بسدتؾت دقة ،42.17%ما فا حالة T+6كاندا لدجار ال درار األولدد
بسدددتؾت دقددة ،99.02%وفددا T+21كانددا لددجار ال د ارر ال انيددة بسدددتؾت دقددة ،96%
طدؼ التظ يدق عمدد سدؾع طا مشدد بعد الذد كات ال ا بيدة التدا رمتدا دقتيدا ،96.49%حيد
عمد ط مي ند ة الخظأ ع ر طتير سمؾ نس جة دالة اليدف. وركب ال ح
.7.4دراساااةClassification of Indian Stock Market Data Using
]Machine Learning Algorithms [4
الترشيف في بيانات سهق األسيم اليشجية باستخجام خهارزميات التعمم اآللي
ىدددفا الد ارسددة الددد الس ارنددة ردديؽ ثد ث تؾارزميددات مددؽ تؾارزميددات الترددشي
وىددا تؾارزميددة لددجار ال درار CARTوتؾارزميددة التحمي د التسييددب الخظددا LDA
وتؾارزميد ددة التحمي د د التسييد ددب التر يعد ددا ،QDAوذلد ددػ بد ددالتظ يق عمد ددد رياند ددات سد ددؾع
الردحيو األسيؼ اليشديدة بحجدؼ سدج ت ،929اعتسددت الد ارسدة عمدد ندد ة التردشي
الر د ددحيو وص د ددما ندد د د ة التر د ددشي الخ د دداطي ف د ددا الس ارن د ددة حيد د د وندد د د ة التر د ددشي
لخؾارزمي د ددة CARTال د ددد ،2.4989وتؾارزمي د ددة ،2.0575 LDAوتؾارزمي د ددة QDA
الرددحيو لك د الخؾارزميددات كانددا ضددعي ة ،اال اء ،2.0949رغددؼ ء ند د ة الترددشي
اسدتشدت الد ارسددة عمددد ء تؾارزميدة CARTاألفزد كؾنيددا األقد فددا ندد ة الترددشي
الخاطي.
م ددا يسي ددب د ارس ددتشا ع ددؽ الد ارس ددات الد دداب ة االعتس دداد عم ددد مجسؾع ددة ك ي ددر م ددؽ
ال يانات ومؽ عد سؾاع مالية عر يدة ،واسدتخدام السغلدرات ال شيدة والعسد عمدد طحدديؽ
الشت ددالت لمتش ددغ رتتيد درات األس ددعار ؾمي ددا ،اض ددافة لد د لػ اس ددتخدام ع دددد م ددؽ تؾارزمي ددات
والس ارنة ريشيا ،واجراء عسمية التدريب واالتت ار بأسمؾ .Cross-Validation -10
6
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
.8مفيهم الترشيف
حدد ىدؼ طدرع التش يدب فدا ال ياندات ،ويع در عدؽ ميسدة اسددشاد يعت در التردشي
السسيدب الكيانات الدد فئدات معيشدة مدد ة التعريدل ،وذلدػ باالعتسداد عمدد الخردال
تكددؾء كد سددج ليد ه الكيانددات ،وطتس د ىد ه الكيانددات بسجسؾعددة مددؽ الدددج ت ،حيد
كستتي درات مدددت مة ،ريشسددا مددؽ ال شاليددة ( ،)Y-Xوطع ددر ( )Xعددؽ مجسؾعددة الخرددال
( )Yىا ال ئات فا دالة اليدف[ ،]5ويتؼ طرسيؼ قيسدة دالدة اليددف ط عدا لظ يعدة قؾاعدد
عمددد ء طحددؾ ى د ه الدالددة اثشدديؽ و ك ددر مددؽ األعسدداو السظ ددة فيددو مذددكمة الترددشي
ال ئددات السسيددب لك د كيدداء مددؽ مجسؾعددة ال يانددات والسعرفددة بذددك مد د ق[ ،]6وطظ ددق
( )Attribute Setالتددا الكتذدداف الع قددة ردديؽ قدديؼ الخرددال تؾارزميددة الترددشي
رتعمديؼ دالدة ط ؾم تؾارزمية التردشي طحدد طدسية احدت ال ئات ( .)Class Labelحي
طذدك ىد ه الدالدة ( )Xب ئدة واحدد ( ،)Yبحيد معيشدة ( )Fلدر ي مجسؾعدة الخردال
وط دددر ( ،]7[)Classification Modelوعدداد ى د ه الشسدداذج طر د نسددؾذج الترددشي
الغؾاىر فا مجسؾعة ال يانات ،ويسكؽ استخداميا لمتش دغ ب يسدة دالدة اليددف عمدد سداس
السدتمة. الخرال
.9مفيهم مؤشخات التحميل الفشي
يعددرف التحمي د ال ش ددا بأنددو عم ددؼ وفددؽ ي ددؾم ردارس ددة حركددة الد ددؾع السددالا م ددؽ
ت د و فيددؼ الع قددة ردديؽ الدددعر ،وحجددؼ التددداوو ،والددبمؽ .وطعتسددد عسميددة التحمي د ال شددا
و عمددد ايجدداد الددارات ثارتددة طذددير ال دد طؾقيددا ردايددة ونيايددة ك د مددؽ حدداالت االرط ددا
االنخ دداا لمددديؼ باالعتسدداد عمددد مجسؾعددة مددؽ الس ددا يس الرياضددية طعددرف بالسغل درات
ال شيددة والتددا طعس د عمددد د ارسددة حركددة الدددؾع التاريخيددة ريدددف التش ددغ باطجدداه األسددعار
مغل درات التحمي د ال شددا ضددسؽ ث د ث فددرو رليدددية [ ،]8و ذددك عددام طرددش مدددت
وىا:
.1مغلرات طعتسد عمد متؾسي األسعار :وطعس ى ه السجسؾعدة بك داء ف دي فدا حالدة
وجؾد اطجاه واضو لمديؼ.
7
صد ق ،د .ساكا ،د .الر اغ
:وطعتسددد ى د ه السغل درات عمددد زتددؼ التددداوو (سددرعة .0مغل درات طعتسددد عمددد الت ر د
التتير فا األسدعار) وطددتخدم ىد ه السغلدرات إلعظداء الدار باكتسداو اطجداه الددعر
ووصؾو الدعر عمد السدت ال رير الد ذرو ال يع و ذرو الذراء [.]9
.9مغل درات طعتسددد عمددد حجددؼ التددداوو :طعتسددد ى د ه السغل درات فددا رشاليددا عمددد حجددؼ
التداوو عمد الديؼ ت و ال تر البمشية.
.4مغل درات مع ددد :طددؼ طظددؾير مغل درات عاليددة السدددتؾت مددؽ ق د Welles Wilder
مع د ،ويعت رىا بعض السحمميؽ ال شييؽ ك در مدؽ لكشيا طحتاج الد عسميات حدا
مجرد مغلرات ويسكدؽ اسدتخداميا فدا رشداء اسدتراطيجيات طدداوو وذلدػ كؾنيدا طعظدا
الارات دقي ة وجيد عؽ اطجاىات سعار األسيؼ [:]12
.11تجسيع وتحزيخ البيانات
ط ددؼ طظ ي ددق الد ارس ددة العسمي ددة عم ددد مجسؾع ددة م ددؽ األسد دؾاع السالي ددة العر ي ددة وط ددؼ
طددؼ اتتيدار ىد ه األسدؾاع بحددب داءىدا وفدق ط دارير صدشدوع الش دد العر دا [ ،]11حيد
اتتيار فز ى ه االسؾاع اضافة الد سؾع دمذق لقوراع السالية .وطؼ اتتيدار فزد
حجددؼ التددداوو وف ددا لمت ددارير الدددشؾية لكد سددؾع [،]10 سدديسيؽ مددؽ ك د سددؾع مددؽ حي د
مددا بالشد د ة لدددؾع درددا السددالا و د د ب عدددم ط دؾفر ريانددات عددؽ داء األسدديؼ مددؽ حي د
حجدؼ التدداوو فددا الت دارير الدددشؾية طدؼ االعتسدداد عمدد الت ددارير اإلت اريدة لسؾقددع CNBC
عر يددة لمذ ددركات األك ددر وزنددا ف ددا مغل ددر س ددؾع درددا [ .]19و د د لػ طردد و مجسؾع ددات
ال يانات عيشة الدراسة كسا ما:
الججول رقم ( )1مجسهعات البيانات لألسيم السدتخجمة في الجراسة
عدد جمدات التداوو الرمب الديؼ الدؾع
995 ANM مررف االنساء
طداوو -سؾع الساو الدعؾد -الدعؾدية
995 Dar دار األركاء لمتظؾير الع ار
995 DISB رشػ درا اإلس ما
سؾع درا السالا -االمارات العر ية الستحد
995 EMAR اعسار الع ارية
996 ALDAR الدار الع ارية سؾع رؾ ع ا لقوراع السالية – االمارات العر ية
990 FAB رشػ رؾ ع ا األوو الستحد
987 ERES ازداء الع ارية
سؾع الدوحة لقوراع السالية -قظر
988 VFQS فؾدافؾء قظر
984 ARBK ال شػ العر ا الؾطشا
رؾرصة عساء -األردء
897 EICO اإلق او ل ست سار
8
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
972 OIH اوراسكؾ ل ست سار
ال ؾرصة السررية -مرر
922 PORT مجسؾعة رؾرطؾ ال ابزة
892 Siib رشػ سؾرية الدولا اإلس ما
سؾع دمذق لقوراع السالية -سؾرية
817 Qnbs رشػ قظر الؾطشا -سؾرية
ال ددانا لعددام 0215الددد الشرد طددؼ طحسيد ال يانددات تد و ال تددر مددؽ الشرد
األوو مددؽ عددام 0219لتكددؾء ال تددر 9سددشؾات مددؽ مؾقددع ،]14[ investing.comمددا
ريانددات سدديؼ الذددركات فددا سددؾع دمذددق طددؼ طحسيميددا مددؽ مؾقددع سددؾع دمذددق لددقوراع
السالي ددة [ ]15لع دددم طؾفرى ددا عم ددد السؾق ددع الد ددارق .وطز ددسشا ال يان ددات الخ ددام الت ددا ط ددؼ
طحسيميا و دج ت ؾمية Openسعر االفتتداح High ،عمدد سدعر Low ،دندد سدعر،
Priceطع ددر عددؽ سددعر اإلغ د ع وىددؾ الدددعر ال عمددا لمددديؼ فددا ى د ا اليددؾمChange ،
ند ة التتير.
11..تحزاايخ الستغي اخات السدااتقمة طددؼ االعتسدداد فددا طييئددة الستتي درات السدددت مة عمددد
مغل ارت التحمي ال شدا والتدا ىدا ع دار عدؽ مجسؾعدة مدؽ الس دا يس طعسد عمدد د ارسدة
طكددؾء ى د ه ال دديؼ ،حي د حركددة الدددؾع التاريخيددة ريدددف التش ددغ باطجدداه األسددعار مدددت
وطتيراطي ددا دالالت عم ددد س ددمؾم حرك ددة األس ددعار ] ،[16وق ددد ط ددؼ نس ج ددة ع ددد ند دؾا م ددؽ
السغلرات ال شية وىا:
.1مغل درات طعتسددد عمددد الستؾسددظات :طددؼ نس جددة ى د ه السغل درات عشددد ك د سددج كسددا
ما:
*
الجدول :رقم ( )2نمذجة المؤشزات التي تعتمد على المتوسطات [.]17
المعادلة البارامتر الرمز المؤشر
SMAT = )CT+CT-1+CT-2….+CT-4)/4 4 1متوسط متحرك بسيط SMA4
[ = WMAT ]/10 10 0متوسط متحرك مثقل WMA10
)α = 2/(1+n
5 9متوسط متحرك أسي EMA5
)BUPT = SMA20 + (σ20*2.
02 BB بولنجر باند 4
)BDOWN T= SMA20 - (σ20*2
)EMA( ،متؾسي متحرم سا، * حي )SMA( :متؾسي متحرم بديي )WMA( ،متؾسي متحرم م
( )BUPالسشحشد العمؾ لسغلر ال ؾلشجر )BDOWN( ،السشحشد الد ما لسغلر ال ؾلشجر )T( ،لحغة زمشية
ؾم وىك ا)σ02( ، طع ر عؽ ؾم )Ct( ،سعر اغ ع اليؾم عشد المحغة )Ct-1( ،Tىا سعر اغ ع ق
االنحراف السعيار ألسعار اغ ع 02ؾم عؽ وسظيا الحدارا.
9
صد ق ،د .ساكا ،د .الر اغ
عشد ك سج كسا ما: :طؼ نس جة مغلرات الت ر .0مغلرات الت ر
*
الججول رقم ( )3مؤشخات التحميل الفشي التي تعتسج عمى التحبحب []17
السعادلة ال ارامتر الرمب السغلر
12 MT ل ؾ الدفع الت ر 1
ROCT 12 ROCT بسعدو التتير الت ر 2
9
MAOT = SMA9 – SMA18 MAOT بالستؾسظات الستحركة الت ر 3
18
)) / (0.015*MDT
,
14 %KT العذؾالية الدريع 6
(
%DT = SMA3 of %K 3 %DT العذؾالية ال ظاء 7
,
14 %RT الر وليامب 8
⁄
12, 26 MACDT ط ار وط اعد الستؾسظات 9
9 SignalT االلار 10
HISTOGRAT = MACDT – SignalT 1 HISTOT الرسؼ الشديجا 11
.9مغل درات طعتسددد عمددد حجددؼ التددداوو :ؾضددو الجدددوو التددالا نس جددة السغل درات التددا
طعتسد عمد حجؼ التداوو السدتخدمة فا الدراسة:
*
الججول رقم ( )4مؤشخات التحميل الفشي التي تعتسج عمى الحجم[]18
السعادلة ال ارامتر الرمب السغلر
ROW_MF=VT * TPT
∑ = POSTIVE_MFT 14 MFIT التجفق الشقجي 1
∑= NIGATVE_MFT
الدعر السعيار فا المحغة البمشية Tلك مؽ ( )CTسعر االغ ع عشد Tو ()LT * حي )TPT( :طس
انحرافات ( )TPTعؽ متؾسظيا الستحرم دند سعر عشد Tو( )HTعمد سعر عشد )MDT( ،Tطس
ال يسة العغسة عشد المحغة Tمؽ مجس ال يؼ ( )Cسعر ( )SMA20,Tعشد المحغة )MAXT( ،Tطس
ال يسة الدنيا عشد المحغة Tمؽ مجس االغ ع و ( )Lدند سعر و( )Hعمد سعر لد 14ؾم )MINT( ،طس
ال يؼ ( )Cسعر االغ ع و ( )Lدند سعر و( )Hعمد سعر لد 14ؾم.
* حي )VT( :حجؼ التداوو عشد المحغة :)POSTIVE_MFT( ،Tمجسؾ ( )ROW_MFلد 14ؾم
سارق ف ي لقيام التا يكؾء فييا التتير مؾجب ( )CH+مؽ الد 14ؾم :)NIGATIVE_MFT( ،مجسؾ
( )ROW_MFلد 14ؾم سارق ف ي لقيام التا يكؾء فييا التتير سم ا ( )CH-مؽ الد 14ؾم(OBVT-1) ،
قيسة مغلر طؾازء الحجؼ فا اليؾم الدارق.
12
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
MF_RATIO = POSTIVE_MF / NIGATVE_MF
])MFIT =100-[100/(1+MF_RATIO
OBVT = IF (CT >CT-1;OBVT-1+VT; IF(CT< CT-
1 OBVT تهازن الحجم 2
))1;OBVT-1-VT; OBVT-1
اليؾم الدارق )CT( ،سعر اإلغ ع، ( )Tلحغة زمشية معيشة وىا ؾم واحد )T-1( ،طس **حي :طس
( )HTعمد سعر )LT( ،دند سعر
*
حي SARt :قيسة السغلر عؽ المحغة الحالية اليؾم SARt-1،قيسة السغلر فا ال تر الداب ة AF،عام
التدار وطتراوح قيستو ريؽ 0.02الد 2.0ويتحرم بخظؾ م دارىا EPt-1 ،2.20الدعر األقرد فا ال تر
الداب ة].[20
11
صد ق ،د .ساكا ،د .الر اغ
يسك ددؽ ري ددا االسترل دداد بحرك ددة طتي ددر األس ددعار السد ددت مية ع ددر طأكي ددد ق ددؾ اطج دداه الد ددعر
و التدالا طكدؾء السعادلدة طع در عدؽ ال درع رديؽ م ددار التتيدر فدا اليدؾم التدالا T+1عدؽ
وعميددو طددؼ رشدداء دالددة اليدددف طتيددر اليددؾم الحددالا Tكسددا مددا**:
( وفق الرياغة الذرطية التالية:
وطع ددر الرددياغة الددداب ة عددؽ ال ئددة التددا يسكددؽ ء طأت د ىا دالددة اليدددف وىددا
يكددؾء فددا ك د سددج حالددة واحددد مددؽ الحدداالت التاليددة)U( : حالددة طتيددر الدددعر بحي د
طع ر عؽ ارط ا الدعر )H( ،طع ر عؽ ث ات الدعر )D( ،طع ر عؽ انخ اا الدعر.
.11بشاء الشسهذج
اء السغل درات ال شيددة التددا طس دا نس د جتيا كستتي درات مدددت مة سددؾف طع ددر عددؽ
حالددة طتيددر الدددعر التددا طددؼ نسد جتيا فددا دالددة اليدددف والتددا طأتد احدددت ال ئددات الددداب ة
عمد ساسو ن ؾم ر شاء نسؾذج الترشي ،و د لػ يرد و فدا كد مسا يح ق اليدف ال
سددج الستتي درات السدددت مة وىددا مغل درات التحمي د ال شددا كستتي درات طش غيددة ودالددة اليدددف
التددا طأت د قيسددة واحددد مددؽ ال ئددات التددا طع ددر عددؽ حركددة طتيددر الدددعر بعددد ددؾم واحددد،
واحددد وذلددػ و عددد ذلددػ طددؼ طجسيددع ك د مددؽ ال يانددات كستتي درات مدددت مة وطددابع فددا مم د
بالشدد ة لكد مجسؾعددة ريانددات واحددد (سدديؼ واحددد) طجييد اب لعسميددة رشدداء الشسددؾذج والت يدديؼ.
Cross- واس د د د ددتخدما األدا WEKAل ش د د د دداء نس د د د دداذج التر د د د ددشي ،اعتس د د د ددادا س د د د ددمؾ
يعت ددر مددؽ س دداليب التح ددق مددؽ الر ددحة اليامددة كؾنددو يعسد د ،Validation-10وال د
عمددد طك درار عسميددة االتت ددار Kمددر ريدددف التح ددق مددؽ صددحة الشسددؾذج] ، [21و د لػ
يعالت ى ا األسمؾ عسمية االتت ار لمحرؾو عمدد نسدؾذج قارد لمتعسديؼ وذو دقدة عاليدة
اضددافة ل سددت اد األك ددر مددؽ حجددؼ الدددج ت] . [22بعددد ذلددػ طددؼ ادتدداو كد مجسؾعددة
ريان ددات عم ددد مجسؾع ددة م ددؽ الخؾارزمي ددات والحر ددؾو عم ددد نس ددؾذج م ددؽ كد د تؾارزمي ددة
وإعدداد ادتدداو مجسؾعددة ال يانددات األتددرت عمددد ن ددس مجسؾعددة بذددك مدددت طرددشي
الخؾارزميد ددات طسييد دددا لعسميد ددة الت يد دديؼ والس ارند ددة رد دديؽ الخؾارزميد ددات وذلد ددػ بالشد د د ة لك د د
**
حي )E( :حركة التتير فا اليؾم التالا )ChT+1( ،م دار التتير فا اليؾم التالا )ChT( ،م دار
التتيرالحالا.
10
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
مجسؾع ددة ريان ددات مد ددت مة ع ددؽ السجسؾع ددة األت ددرت ،بع ددد حد د ف وو 99جمد ددة ط ددداوو
السغلدرات ال شيدة) كسدا طدؼ ا ازلدة الستتيرات السدت مة (رداية حدا السدتخدمة فا حدا
دالة اليدف مدا الخهارزميات السدتخجمة فاي بشااء الشسااذج تر جمدة التداوو لحدا
فيي
.1لجار ال رار .C4.5
.0لجار ال رار .C5
.9لجار ال رار .CART
.4للة لعا الدعؼ .SVM
K2 .5ل كة با ب BayesNet-K2اعتسادا عمد تؾارزمية ال ح
.6االنحدار المؾجدتا Logistic Regressionاعتسادا عمد .ridge estimator
.7التابات العذؾالية ،Random Forestوطؼ طعييؽ ررامتر عدد الذجرات (.)522
طددؼ اس دتخدام الذ د كات العر د ية متعدددد .8الذ د كات العر د ية :Neural networksحي د
الظ ددات MultilayerPerceptronوق ددد ط ددؼ طحد ددد ع دددد العرد د ؾنات الظ ددة السخ ي ددة
مجسددؾ عدددد الستتي درات واالصددشاف ،و التددالا طددؼ اسددتخدام ط ددة اعتسددادا عمددد نر د
مخ ية واحد طحؾ 11عر ؾء.
.9الجدار األقددر KNNوطدؼ طحد ددد ال دارامتر ( kعدددد الجيدراء األقددر ) عددد السجسؾعددات
اعتسادا عمد الج ر التر يعا لعدد الدج ت فا ك مجسؾعة ريانات.
و لػ ؾضو الجدوو التالا الخؾارزميات السدتخدمة فا الدراسة:
الججول رقم ( )5الخهارزميات السدتخجمة في الجراسة
رمب الخؾارزمية فا األدا ويكا الرمب الخؾارزمية
j48 C4.5 لجار ال رارC4.5
j48graft C5 لجار ال رارC5
simple cart CART لجار ال رارCART
RandomForsest RF500 التابات عذؾالية
BayesNet BN.K2 ل كة با ب
Logistic Log االنحدار المؾجدتا
MultilayerPerceptron MLP الذ كات العر ية
19
صد ق ،د .ساكا ،د .الر اغ
SMO SVM للة لعا الدعؼ
IBk KNN الجار األقر
السردر اعداد ال اح يؽ
14
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
عمى قيم السؤشخات الفشية الججول رقم ( )7إحرائية Kappaلمشساذج اعتساداً
C5 KNN MLP BN.K2 C4.5 LOG SVM RF500 CART
0.09 0.14 0.19 0.08 0.13 0.35 0.32 0.14 0.21 ANM
0.13 0.17 0.22 0.09 0.18 0.30 0.28 0.12 0.23 DAR
0.17 0.19 0.25 0.19 0.21 0.38 0.33 0.23 0.25 DISB
0.14 0.23 0.26 0.15 0.26 0.35 0.36 0.29 0.25 EMAR
0.14 0.19 0.28 0.13 0.22 0.39 0.38 0.24 0.27 ALDAR
0.23 0.12 0.33 0.19 0.30 0.37 0.34 0.26 0.31 FAB
0.15 0.18 0.30 0.10 0.27 0.38 0.32 0.15 0.32 ERES
0.21 0.12 0.28 0.20 0.27 0.36 0.30 0.21 0.30 VFQS
0.15 0.25 0.31 0.17 0.22 0.37 0.38 0.26 0.27 ARBK
0.15 0.18 0.29 0.16 0.14 0.35 0.31 0.23 0.25 EICO
0.19 0.16 0.28 0.13 0.20 0.32 0.30 0.27 0.27 OIH
0.22 0.24 0.30 0.21 0.21 0.33 0.29 0.25 0.20 PORT
0.07 0.13 0.21 0.16 0.12 0.30 0.27 0.13 0.18 qnbs
0.21 0.18 0.25 0.15 0.21 0.31 0.29 0.23 0.21 siib
0.16 0.18 0.27 0.15 0.21 0.35 0.32 0.22 0.25 الستؾسي
السردر اعداد ال اح يؽ اعتسادا عمد مخرجات األدا WEKA
اء احر د ددالية Kappaمتدني د ددة بذ د ددك ك ي د ددر ول د ددؼ طتج د دداوز 2.98عش د ددد كد د د
لدؼ طكدؽ جيدد والشسداذج غكد ى ا الس ياس بدأء دقدة التردشي مجسؾعات ال يانات ،حي
غيددر م ؾل دة حتددد عشددد ت دؾارزميتا االنحدددار المؾجدددتا وللددة لددعا الدددعؼ التددا ردددت
متؾسدي احردالية الرحيو فييا عمد مؽ باقا الخؾارزميات ،و حددا ندب الترشي
Kappaعمد ك مجسؾعات ال يانات نجد نيا ضعي ة لك الخؾارزميات.
.13تعجيل الشسحجة لمستغيخات السدتقمة
كد السغلدرات رشدداء عمددد السعددادالت السؾضددحة سدداب ا طسددا بعددد ء طددؼ حدددا
ددؾما وذلددػ إلعدداد نس جددة ند د ة التتي درات السئؾيددة لك د مغلددر بذددك عسميددة حدددا
الستتي درات السدددت مة اعتسددادا عم ددد دالالت التتي درات فددا السغل ددر لسعرفددة سددمؾم الددديؼ
كسا ما*: مدت
طع ر عؽ ند ة التتير فا الستتيدر طعظا ى ه السعادلة نس جة ك ر دقة بحي
مدؽ قيسدة السغلدر السجدرد ليؾم واحد وذلػ عؽ اليؾم الدارق و التدالا الدتخم السدت
وذلػ ميسا اتتم ا السد البمشية ترؾصا لمسغلرات التا طت دع الددعر و الحجدؼ والتدا
* حي د It :قيس ددة السغل ددر ف ددا المحغ ددة ،tو It-1قيس ددة السغلددر ف ددا الي ددؾم الد ددارق CHIt ،الشدد د ة السئؾي ددة لتتي ددر
السغلر.
15
صد ق ،د .ساكا ،د .الر اغ
طتتيددر قيسيددا ط عددا لم يسددة الدددعرية لمددديؼ و حجددؼ التددداوو كسددا فددا حالددة د ارسددتشا فددنء
الدعر عمدد فتدرات زمشيدة طؾيمدة سدؾف طتتيدر مسدا لدك صدعؾ ة فدا ايجداد قديؼ تاصدة
لمتش غ اعتسادا عمد ال يسة السجرد لمسغلرات ال شية.
.14نتائج بشاء الشساذج اعتساداً عمى ندب التغيخات السئهية لمسؤشخات الفشية.
الر د ددحيو لعسميد ددة رشد دداء الشسد دداذج ؾضد ددو الجد دددوو رق د ددؼ ( )8ند د د ة الترد ددشي
عمددد حدددا باسددتخدام الخؾارزميددات السدددتخدمة عشددد ك د مجسؾعددة ريانددات بذ دك مدددت
د ددؾما وذلد ددػ باسد ددتخدام ندد ددب التتي د درات السئؾيد ددة لمسغل د درات ال شيد ددة السحدد ددؾ ة بذد ددك
كستتيرات مدت مة.
الججول رقم ( )8ندبة الترشيف الرحيح لمشساذج اعتساداً عمى ندب التغيخ السئهية لمسؤشخات الفشية
C5 KNN MLP SVM LOG BN.K2 C4.5 RF500 CART
67.50 68.54 71.46 71.46 71.98 70.63 72.29 72.81 73.96 ANM
63.02 67.81 68.65 70.31 69.90 67.50 70.31 69.69 70.94 DAR
68.65 71.25 72.71 72.71 73.02 71.98 73.44 73.23 75.10 DISB
64.38 68.23 69.79 70.73 70.94 69.38 69.90 70.42 72.29 EMAR
70.14 72.53 71.28 73.36 74.30 70.66 74.09 74.61 72.32 ALDAR
67.02 70.79 69.95 73.40 74.03 72.77 70.79 73.72 72.57 FAB
66.81 69.64 71.11 70.69 73.00 72.16 74.79 71.43 75.32 ERES
65.48 68.84 70.72 70.20 70.83 71.88 71.46 72.51 71.56 VFQS
66.39 69.34 70.71 72.39 71.76 68.70 70.28 73.34 74.18 ARBK
64.97 65.55 68.56 66.71 68.45 68.56 67.40 70.07 67.75 EICO
61.18 66.10 63.53 66.74 65.88 65.67 65.78 67.59 66.20 OIH
59.42 51.79 58.50 54.22 55.26 66.94 64.62 65.66 68.55 PORT
59.21 66.37 64.96 61.13 64.96 67.01 65.73 66.88 68.16 qnbs
57.74 64.65 65.66 64.78 65.79 68.55 66.29 66.29 67.67 siib
64.42 67.24 68.40 68.49 69.29 69.46 69.80 70.59 71.18 الستؾسي
السردر اعداد ال اح يؽ اعتسادا عمد مخرجات األدا WEKA
الججول رقم ( )9إحرائية Kappaلمشساذج اعتساداً عمى ندب التغيخ السئهية لمسؤشخات الفشية
C5 KNN MLP SVM LOG C4.5 BN.K2 RF500 CART
0.36 0.38 0.44 0.43 0.45 0.46 0.44 0.46 0.48 ANM
16
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
0.28 0.37 0.38 0.41 0.41 0.43 0.39 0.41 0.43 DAR
0.38 0.43 0.46 0.46 0.47 0.48 0.45 0.47 0.51 DISB
0.29 0.36 0.40 0.42 0.42 0.40 0.39 0.41 0.45 EMAR
0.42 0.45 0.43 0.47 0.49 0.51 0.46 0.50 0.46 ALDAR
0.37 0.43 0.41 0.48 0.49 0.44 0.50 0.49 0.46 FAB
0.34 0.40 0.43 0.42 0.47 0.50 0.46 0.43 0.51 ERES
0.31 0.38 0.41 0.40 0.42 0.43 0.44 0.45 0.44 VFQS
0.36 0.40 0.43 0.46 0.45 0.44 0.43 0.48 0.49 ARBK
0.37 0.35 0.41 0.37 0.41 0.41 0.46 0.45 0.41 EICO
0.31 0.37 0.33 0.38 0.36 0.40 0.43 0.42 0.38 OIH
0.38 0.25 0.38 0.26 0.28 0.47 0.51 0.49 0.54 PORT
0.23 0.34 0.32 0.23 0.32 0.36 0.40 0.36 0.38 qnbs
0.18 0.30 0.32 0.30 0.33 0.34 0.40 0.34 0.36 siib
0.33 0.37 0.39 0.40 0.41 0.43 0.44 0.44 0.45 الستؾسي
السردر اعداد ال اح يؽ اعتسادا عمد مخرجات األدا WEKA
وي دديؽ الجدددوو الدددارق طحدددؽ احرددالية Kappaبذددك ك يددر وطجدداوزت 2.5
طتي درات سددعار عشددد بعددض مجسؾعددات ال يانددات وطعددد ند د ة جيددد لح د مذددكمة طرددشي
ليدا بالسرادفة. غكد ى ا الس ياس بأء دقة الترشي األسيؼ اليؾمية ،حي
وبالتالي فإن نسحجة الستغيخات السدتقمة اعتساداً عمى حدااب ندابة التغياخات
السئهية بذكل يهمي تعطي دالالت لدمهك تغيخات أسعار األسيم اليهمية بذاكل أفزال
ماان أساااليب الشسحجااة الستبعااة سااابقاً ،وباحلك تعطااي السؤشاخات الفشيااة دالالت اعتساااداً
عمى تغيخاتيا من حالة ألخخى وليذ فقط اعتساداً عمى قيسيا السجخدة السحدهبة.
.15السقارنة بين الخهارزميات
بعددد اعتسدداد الشسدداذج الس شي ددة رشدددب التتي درات السئؾي ددة لمسغل درات ال شيددة سدديتؼ
الرددحيو وال وإحرددالية Kappa الس ارنددة لي د ه الشسدداذج اعتسددادا عمددد ند د ة الترددشي
الرحيو لدؼ يكدؽ مردادفة وذلدػ بالشدد ة لكد سديؼ ومدؽ الجددوليؽ لسعرفة ء الترشي
الداب يؽ نجد ما ما:
17
صد ق ،د .ساكا ،د .الر اغ
.1سيؼ :ANMء معغؼ الخؾارزميات جيد و فزميا كانا ،CARTو ضع يا .C5
.0سدديؼ DARمعغددؼ الخؾارزميددات جيددد و شدداء عمددد احرددالية Kappaفددنء فزددميا
كانا CARTو C4.5و ضع يا .C5
.9سيؼ :DISBمعغؼ الخؾارزميات جيد و فزميا ،CARTو ضع يا .C5
.4سيؼ :EMARمعغؼ الخؾارزميات جيد و فزميا كانا ،CARTو ضع يا .C5
.5س دديؼ :ALDARمعغ ددؼ الخؾارزمي ددات جي ددد ،و ش دداء عم ددد احر ددالية Kappaف ددنء
فزميا كانا C4.5و RF500و LOGو ضع يا .C5
.6سديؼ :FABمعغددؼ الخؾارزميددات جيدد ،و شدداء عمددد احردالية Kappaفددنء فزددميا
كانا BN.K2و LOGو RF500و ضع يا .C5
.7سيؼ :ERESمعغؼ الخؾارزميات جيد و فزدميا كاندا CARTو ،C4.5و ضدع يا
.C5
.8سيؼ :VFQSمعغؼ الخؾارزميات جيد و فزميا كانا ،FR500و ضع يا .C5
.9س د د دديؼ :ARBKمعغ د د ددؼ الخؾارزمي د د ددات جي د د ددد و فز د د ددميا كان د د ددا CARTو،C4.5
و ضع يا .C5
.12س دديؼ :EICOمعغ ددؼ الخؾارزمي ددات جي ددد و فز ددميا كان ددا BN.K2و، RF500
و ضع يا .C5
.11سيؼ :OIHبعض الخؾارزميات جيد ،و شاء عمدد احردالية Kappaفدنء فزدميا
كانا BN.K2و ، RF500و ضع يا .C5
.10سد دديؼ :PORTم عغد ددؼ الخؾارزميد ددات جي د ددد و فزد ددميا كاند ددا ،CARTو ضد ددع يا
.KNN
.19سيؼ :qnbsمعغؼ الخؾارزميات جيد و فزميا كانا ،BN.K2و ضع يا .C5
.14سيؼ :siibمعغؼ الخؾارزميات جيد و فزميا كانا ،BN.K2و ضع يا .C5
مسا سبق نجج أنو ال يسكن الجدم بأن خهارزمية ترشيف ىي األفزال دائسااً وعماى
كافة مجسهعات البيانات ولكن يسكن القهل أن خهارزمية CARTغالباً ماا كانات فاي
أفزااال الخهارزمياااات ،وقاااج تشاوبااات الخهارزمياااات األخاااخى فيساااا بيشياااا عماااى بعااا
18
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
مجسهعاااات البياناااات لتكاااهن األفزااال وىاااي RF500و BN.K2و ،C4.5وأماااا بااااقي
الخهارزمياااات فقااااج كاااان ليااااا وجاااهد لسااااخة واحاااجة كأفزاااال خهارزمياااة ،أمااااا أ اااا ف
الخهارزميات كانت خهارزميتي C5و.KNN
وبحدب متهسط قيم ندبة التشريف الرحيح لكل خهارزمية بالشدابة لجسياع
مجسهعااات البيانااات ،تبااين أن أفزاال الخهارزميااات ىااي خهارزميااة CARTثاام تااأتي
باقي الخهارزميات ،وتبقى أسهء ىحه الخهارزميات ىي خهارزمية .C5
أمااااا بحدااااب متهسااااط إحرااااائية Kappaلكاااال خهارزميااااة بالشداااابة لكاااال
مجسهعات البيانات ،تم التأكج أن أفزال الخهارزمياات ىاي خهارزمياة CARTوأساهء
خهارزمية C5أماا بالشدابة لبااقي الخهارزمياات فتختماف فيساا بيشياا بتختياب األفزامية
وتختمف من مجسهعة بيانات ألخخى.
.16الشتائج
رشاء عمد ما س ق ف د طؾصما دراستشا الد الشتالت التالية:
الشدب السئؾية لمتتيرات اليؾميدة لمسغلدرات ال شيدة ونسد جتيا كستتيدرات طش غيدة .1حدا
طعظددا نتددالت جيددد ويسكددؽ االعتسدداد عمييددا لمتش ددغ رتتي درات لخؾارزميددات الترددشي
فز د د مد ددؽ االعتسد دداد عم ددد ال د دديؼ السجدددرد ليد د ه س ددعار األسد دديؼ اليؾميد ددة و ذ ددك
السغلرات.
لمتش ددغ رتتيد درات .0ال يسكد دؽ الج ددبم بذ ددك مظم ددق ودال ددؼ بأفز ددمية تؾارزمي ددة طر ددشي
س د ددعار األس د دديؼ اليؾمي د ددة اعتس د ددادا عم د ددد السغلد د درات ال شي د ددة ،ف د ددد طشاو د ددا بع د ددض
الخؾارزميات بأفزميتيا فا بعض مجسؾعات ريانات األسيؼ.
.9يسكؽ ال دؾو و ذدك ندد ا بدأء داء تؾارزميدة لدجار ال درار CARTكداء األفزد
الر د ددحيو واحر د ددالية kappaف د ددا ع د دددد ك ي د ددر م د ددؽ ندد د د ة التر د ددشي مد د دؽ حيد د د
متؾسددي داء الخؾارزميددات بالشدد ة مجسؾعددات ال يانددات كسددا ط دديؽ ذلددػ عشددد حدددا
لسجسؾع ددات ال يان ددات السد ددتخدمة ،اض ددافة ال ددد ذل ددػ ف ددنء تؾارزمي ددات لد د كة ب ددا ب
والتاب ددات العذد دؾالية وال ددجار ال د درار C4.5كان ددا ف ددا السرط ددة التالي ددة وك دداء دالي ددا
م ؾو لمتش غ رتتيرات سعار األسيؼ اليؾمية اعتسادا عمد السغلرات ال شية.
19
صد ق ،د .ساكا ،د .الر اغ
.4طعد ددد ت د دؾارزميتا الجد ددار األقد ددر وتؾارزميد ددة لد ددجار ال د درار C5مد ددؽ الخؾارزميد ددات
الز ددعي ة لمتش ددغ رتتيد درات س ددعار األس دديؼ اليؾمي ددة اعتس ددادا عم ددد السغلد درات ال شي ددة،
م ارنددة ر دداقا األسدديؼ ،وقددد ط دديؽ ذلددػ عشددد جسيددع مجسؾعددات ال يانددات ،مددا بدداقا
الخؾارزميات ف د كانا متؾسظة األداء عشد بعض مجسؾعات ال يانات.
.17التهصيات
رشاء عمد نتالت الدراسة ؾصا ال اح ؾء بسا ما:
اعتسادا عمدد الشدد ة السئؾيدة .1نس جة مغلرات التحمي ال شا فا رشاء نساذج الترشي
طحددديؽ داء لتتيراطيددا اليؾميددة ،كؾنددو اسددتظا ى د ا األسددمؾ السدددتخدم فددا ال ح د
الخؾارزميد ددات لمتش د ددغ رتتي د درات سد ددعار األسد دديؼ اليؾميد ددة بالشد د د ة لك د د مجسؾعد ددات
ال يانات.
.0االعتسدداد عمددد تؾارزميددة لددجار ال درار CARTفددا السرط ددة األولددد ثددؼ مددؽ بعدددىا
تؾارزمي ددة التاب ددات العذد دؾالية وتؾارزمي ددة لد د كات ب ددا ب وتؾارزميد دة ل ددجار ال د درار
،C4.5لمتش غ رتتيرات سعار األسيؼ اليؾمية اعتسادا عمد السغلرات ال شية.
.9عدددم االعتسدداد عمددد تؾارزمي دة لددجار ال درار C5وتؾارزميددة الجددار األقددر ،لمتش ددغ
رتتيرات سعار األسيؼ اليؾمية اعتسادا عمد السغلرات ال شية.
.4استخدام ساليب ترت لتحديؽ نتدالت التش دغ رتتيدرات سدعار األسديؼ اليؾميدة اعتسدادا
عمد السغلرات ال شية.
.18السخاجع
1. Sanyal S., et al., 2019, Stock Market Prediction Using Machine
Learning Algorithms, International Journal of Engineering and
Advanced Technology, Volume 8.
.2ساكت غداء ،عجاس ضدحد – 0218استخجام الذبكات العربية وأشاجار القاخار
لمتشبؤ بحخكة األسيم ،مجمدة بحدؾث جامعدة حمدب ،سمددمة العمدؾم االقتردادية العددد
.92
3. Paliyawan P., 2015, Stock Market Direction Prediction Using Data
Mining Classification, ARPN Journal of Engineering and Applied
Sciences, Volume 10.
4. Shrivastava S., Soni S., 2010, Classification of Indian Stock Market
02
العام 0202 العدد 99 سمدمة العمؾم االقترادية مجمة بحؾث جامعة حمب
Data Using Machine Learning Algorithms, International Journal on
Computer Science and Engineering, Volume 2.
.5الطهياال ىالااة - 0229 ،السخجااع التعميسااي فااي التشقيااب عاان البيانااات ،دار لددعا ،
حمب ،سؾرية ،ص.150
6. Reddi K., et al., 2010 - A Novel Algorithm for Scaling up the
Accuracy of Decision Trees, International Journal on Computer
Science and Engineering, Vol 2, P126
.7الدااساني حسددد ،البخييااي ايدداد ،0214 ،اسااتخجام تقشيااات تشقيااب البيانااات لكذااف
التطفاال فاي شاابكات الحاسااهب ،مجمددة جامعددة الشاصددر ،4 ،الخرطددؾم ،الدددؾداء،
صGf.64
8. Elder A., 2015 -Step by Step Trading, pub: elder.com, P28.
9. Penn D., 2009 -The Three Secrets To Trading Momentum
Indicators, Marketplace Books Inc, USA, P79.
10. Ponsi E., Technical Analysis and Chart Interpretations: A
Comprehensive Guide to Understanding Established Trading Tactics for
Ultimate Profit, Wiley, USA, P253.
11. https://www.amf.org.ae/ar/amdb_performance/yearly .
.12الت ارير الدشؾية لقسؾاع السالية العر ية .0217-0216-0215
13. https://www.cnbcarabia.com/news/view/36683.
14. https://www.investing.com/.
15. http://www.dse.gov.sy/
.16نعيسااة بااخودي ،0219 ،التحمياال الفشااي لألسااهاق الساليااة كااأداة لمتشبااؤ بأسااعار
األوراق الساليااااة واتجاىااااات األسااااهاق ،رسد ددالة دكتد ددؾراه ،جامعد ددة رد ددؾ بكد در رم ا د ددد،
طمسداء ،الجبالر ،ص.001
.17ساااكت غددداء ،صااباغ ع ددد الحسيددد ،صااجيق دمحم – 0219 ،نسحجااة بيانااات سااهق
العساااات األجشبياااة فاااي خهارزمياااة أشاااجار القاااخار لاااجعم قااا اخرات التاااجاول الياااهمي
اعتساداً عمى السؤشخات الفشية ،مجمة بحؾث جامعدة حمدب ،سمددمة العمدؾم االقتردادية،
العدد ،96حمب ،سؾرية.
.18صجيق دمحم – 0216 ،استخجام تقشيات التشقياب فاي البياناات لبشااء شاجخة قا اخرات
لااجعم ق ا اخرات التااجاول فااي سااهق دمذااق لااألوراق الساليااة ،رسددالة ماجدددتير غيددر
مشذؾره ،جامعة حمب ،حمب ،سؾرية.
01
الر اغ. د، ساكا. د،صد ق
19. https://www.tradingview.com/wiki/Parabolic_SAR_(SAR)#THE_BAS
ICS
20. https://www.ifcmarkets.com/en/ntx-indicators/parabolic.
21. Wei Y., Chiu D., 2015, Machine Learning with R Cookbook, Packt,
Birmingham, UK P552.
22. Nettleton D., 2014 Commercial Data Mining Processing, Analysis
and Modeling for Predictive Analytics Projects: The Savvy
Manager's Guide, Elsevier, p114.
00